【原創】Structure from Motion (SfM)算法測試—3D重建簡介
Author: chad
Mail: [email protected]
今天整理資料，突然發現之前公司調研攝像頭3D掃描方案時做的一個實驗小實驗，同時聯想到前段時間尼泊爾地震百度搞的一個尼泊爾古蹟3D重現項目，突然想整理一下，簡要說下工作原理。
開始之前先看一張概念圖，瞭解下SfM算法是幹嘛的，如下：
如上圖所示，SfM算法的目標就是通過一堆照片重建3D模型。
我們當時的硬件方案是這麼設想的：
由於我們當時非常關注3D重建精度，所以，當時簡單推算了下精度關係大致如下：
1.掃描精度與照片分辨率，拍攝距離，對焦準確性，燈光系統有較大關係。
2.運算時間與照片數量成 n!/(n-m)!級數增長。
3.精度關係如下：
4.經過算法處理後的，由於計算誤差，2D->3D轉換誤差，導致實際精度會遠低於0.08。
基於激光的主動掃描方式，需要將激光在物體表面掃描一遍，所以掃描速度比較慢（結構光光柵投影測量技術速度較快），但是後期計算處理速度較快。
基於圖像的三維重建作爲當今熱門的虛擬現實和科學可視化的基礎，它被廣泛應用於檢測和觀察中。一個完整的三維重建系統通常需要包含圖像獲取、攝像機標定、特徵點提取、立體匹配、深度確定和後處理等6 大部分。相較於結構光光柵投影測量，該方法在相機標定、特徵點提取方面有2指數級運算量，整個過程非常緩慢。
一般來講，大尺度特徵含有較豐富的信息，本身數目較少，易於得到快速匹配，但對它們的提取與描述相對複雜，定位精度也差；而小尺度特徵本身的定位精度高，表達描述簡單，但數目較多，所含信息量卻較少，因而在匹配時需要採用較強的約束準則和匹配策略。
算法模擬測試情況如下：
我的電腦情況如下：
實驗過程如下：
1、大尺度圖片測試：共140張照片，運算時間4個小時，產生的中間文件600M。
2.小尺度圖片測試：65張圖片，運算時間30分鐘，中間文件350M。
；D 上面說的65張照片都是我用某米手機直接拍的。純手工拍攝，所以能生成這樣的效果已經非常不錯了。
通過上面的實驗可以發現，3D建模會自動剔除不變部分，比如底座。
原理簡要介紹下
先看圖：
也就是首先找特徵點，然後根據特徵點找照片的運動方向，拍攝方向。這個算法牛的地方就是你隨便拍攝一組照片，算法能夠自動檢測到運動方向與拍照角度，自動照片排序。
最後，關於SfM算法的介紹再推薦一個鏈接，對於瞭解下SfM算法很有幫助：
《第四章 使用OpenCV探測來至運動的結構——Chapter 4:Exploring Structure from Motion Using OpenCV》 —這個寫的非常好，看懂你就入門了。
再附一個澳大利亞團隊搞的很牛的3D掃描介紹：
http://www.mopintu.com/article-1235-1.html
20160401 附記：
近日有同學向我請教關於SfM算法的問題，我這裏再推薦幾個網站，本博客中SfM算法程序來源於http://ccwu.me/vsfm/，算法測試程序下載點這裏
其他推薦網站如下：
http://users.ics.forth.gr/~lourakis/sparseLM/index.html#download
https://code.google.com/archive/p/libmv/downloads